lm（）和rlm（）有什么区别？

我刚刚rlm() 在MASS库中找到“线性模型的稳健拟合” 功能。

我想知道此函数和标准线性回归函数之间的区别lm()。

有人可以给我一个简短的解释吗？

（rlm）用于鲁棒线性模型。在Venables＆Ripley中有描述。但是，健壮计算的细节无法满足“简短答案”的需要：您需要研究Ripley，Tukey等人的几篇论文。

它是使用M估计量的稳健回归的一种形式。

查阅Ripley撰写的这篇文章以了解更多信息：http : //www.stats.ox.ac.uk/pub/StatMeth/Robust.pdf

lm函数使用普通最小二乘法（OLS）来减少残差。而rlm函数使用M估计量。OLS对异常值非常敏感，而M估计方法则不然。

简短的答案：
在中rlm()，点没有得到同等对待。每个点的权重将在迭代过程中进行调整。rlm()对异常值不太敏感，因为异常值会减轻重量。

如果您想对数学做一个简短的回答，我建议约翰·霍普金斯·彭博公共卫生学院提供的文章